
- •Часть I. Теория вероятностей
- •Тема 1. Классическое определение вероятности…………………………………………............................4
- •Тема 2. Геометрическое и статистическое определения вероятности……………………………………8
- •Тема 3. Алгебра событий....................................................................................................................................12
- •Тема 4. Формула полной вероятности и формула Байеса………………………………………………...15
- •Тема 5. Схема Бернулли……………………………………………………………………………………….19
- •Тема 6. Дискретные случайные величины....................................................................................................25
- •Тема 12. Системы случайных величин……………………………………………………………………63
- •Тема 13. Функции случайных величин……………………………………………………………………82
- •Тема 14. Предельные теоремы теории вероятностей………………………………………………….100
- •Тема 15. Случайные функции…………………………………………………………………………….108
- •Тема 16. Вероятностные основы теории информации…………………………………………………116
- •Тема 1. Классическое определение вероятности
- •Случайные события.
- •Классификация событий
- •Классическое определение вероятности.
- •1.4. Контрольные вопросы
- •Тема 2. Геометрическое и статистическое определения вероятности
- •2.1. Геометрическая вероятность
- •2.2. Статистическая вероятность. Закон больших чисел.
- •Число бросаний Относит. Частота появления герба
- •2.3. Условная вероятность
- •2.4. Контрольные вопросы
- •2.5. Задачи для самостоятельно решения
- •Тема 3. Алгебра событий
- •3.1. Произведение событий
- •3.2. Сумма событий. Свойства операций сложения и умножения событий.
- •3.3. Вероятность появления хотя бы одного из событий.
- •3.4. Принцип практической невозможности.
- •3.5. Контрольные вопросы
- •Тема 4. Формула полной вероятности события и формула Байеса
- •4.1. Формула полной вероятности события
- •4.2. Формула Байеса
- •4.3. Контрольные вопросы
- •4.4. Задачи для самостоятельно решения
- •Тема 5. Повторение опытов.
- •5.1. Частная задача о повторении опытов (схема Бернулли)
- •5.2. Независимые испытания с несколькими исходами.
- •5.3. Формулы Муавра-Лапласа
- •5.3.1. Локальная теорема Муавра-Лапласа. Функция Гаусса.
- •5.3.2. Интегральная теорема Муавра-Лапласа. Функция Лапласа.
- •Тема 6. Дискретные случайные величины
- •6.1. Классификация случайных величин
- •6.2. Законы распределения дискретных случайных величин
- •6.2.1. Ряд распределения. Многоугольник распределения
- •6.2.2. Функция распределения
- •Тема 7. Числовые характеристики дискретных случайных величин
- •7.1. Характеристики положения. Математическое ожидание. Мода. Медиана.
- •7.2. Дисперсия. Среднеквадратическое отклонение.
- •7.3. Контрольные вопросы.
- •Тема 8. Законы распределения дискретных случайных величин
- •8.1. Биномиальное распределение (закон Бернулли).
- •8.2. Закон Пуассона
- •8.3. Контрольные вопросы.
- •8.4. Задачи для самостоятельного решения.
- •Тема 9. Непрерывные случайные величины
- •9.1. Законы распределения непрерывных случайных величин.
- •9.1.1. Интегральный закон распределения
- •9.1.2. Плотность распределения
- •10.1. Математическое ожидание. Мода. Медиана.
- •10.2. Дисперсия. Среднее квадратичное отклонение.
- •10.3. Моменты распределения.
- •10.4. Контрольные вопросы.
- •Тема 11. Законы распределения непрерывных случайных величин
- •11.1. Закон равномерной плотности.
- •11.2. Задачи для самостоятельного решения.
- •11.3. Экспоненциальное (показательное) распределение.
- •11.4. Задачи для самостоятельного решения.
- •11.5. Нормальный закон распределения.
- •11.5.1. Плотность нормального распределения вероятностей.
- •11.5.2. Нормальная функция распределения.
- •11.6. Контрольные вопросы
- •11.7. Задачи для самостоятельного решения.
- •Тема 12. Системы случайных величин
- •12.1. Функция распределения системы двух случайных величин.
- •12.2. Плотность распределения системы двух непрерывных случайных величин.
- •12.3. Таблица распределения системы двух дискретных случайных величин.
- •12.4. Условные законы распределения и их числовые характеристики.
- •12.5. Зависимые и независимые случайные величины
- •12.6. Числовые характеристики системы двух случайных величин.
- •Тема 13. Функции случайных величин
- •13.1. Числовые характеристики функций случайных величин.
- •13.2. Теоремы о числовых характеристиках функций случайных величин.
- •13.3. Законы распределения функций случайных величин.
- •13.3.1. Закон распределения функции одного случайного аргумента.
- •Функция на участке (а, b) монотонно возрастает или убывает.
- •2. Функция на участке (а, b) не является монотонной.
- •13.3.2. Закон распределения функции двух случайных аргументов.
- •13.3.3. Закон распределения суммы двух непрерывных случайных аргументов. Композиция законов распределения.
- •Тема 14. Предельные теоремы теории вероятностей
- •14.1. Закон больших чисел. Центральная предельная теорема.
- •14.1.1. Неравенство Чебышёва.
- •14.1.2. Теорема Чебышёва.
- •14.1.3. Теорема Бернулли
- •14.2. Центральная предельная теорема.
- •Тема 15. Случайные функции
- •15.1. Понятие о случайной функции.
- •15.2. Закон распределения случайной функции.
- •15.3. Вероятностные характеристики случайных функций.
- •15.4. Стационарные случайные функции.
- •Тема 16. Вероятностные основы теории информации
- •16.1. Энтропия как мера степени неопределенности состояния физической системы.
- •16.2. Энтропия и информация.
- •Приложение. Приближённые значения функции стандартного нормального распределения
2. Функция на участке (а, b) не является монотонной.
Имеется непрерывная случайная величина X с плотностью распределения f(x); другая величина Y связана с X функциональной зависимостью:
причем
функция y
на
участке (а,
b)
возможных
значений аргумента не монотонна:
Найдем
интегральную функцию распределения
случайной
величины
Y.
Для
этого проведем прямую AB,
параллельно
оси абсцисс, на расстоянии y
от
нее. Выделим те участки кривой
,
для
которых выполняется условие Y
<
у.
Пусть
этим участкам соответствуют участки
оси абсцисс:
… .
Событие Y < у равносильно попаданию случайной величины X на один из участков
… — безразлично, на какой именно. Поэтому
Таким
образом, для функции распределения
величины
имеем
формулу:
Границы
интервалов
зависят от y
и при заданном конкретном виде функции
могут
быть выражены как явные функции y.
Дифференцируя G(y)
по
величине y,
входящей в пределы интегралов,
получим плотность распределения
величины Y:
Пример.
Величина X
подчинена
закону равномерной плотности на участке
от
до
:
Найти
закон распределения
величины
Решение.
Строим график функции
:
Очевидно
,
,
и в интервале
функция
немонотонна.
Применяя формулу
имеем
Выразим
пределы
и
через
y:
Отсюда
Чтобы
найти плотность
,
не
будем вычислять интегралы в этой
формуле, а непосредственно
продифференцируем это выражение по
переменной y,
входящей в пределы интегралов:
Имея в
виду, что
,
получим:
Указывая
для Y
закон
распределения, следует оговорить, что
в нашем случае он действителен лишь в
пределах от 0 до 1, т.е. в тех пределах,
в которых меняется
при
аргументе X,
заключенном
между
и
Вне
этих пределов плотность g(y)
равна
нулю.
Ниже представлен график функции g (у). При y = 1 кривая имеет ветвь, уходящую на бесконечность.
13.3.2. Закон распределения функции двух случайных аргументов.
Определение. Если каждой паре возможных значений случайных величин X и Y соответствует одно возможное значение случайной величины Z , то Z называют функцией двух случайных аргументов X и Y:
Z
=
Начнем с рассмотрения дискретных случайных величин X и Y.
Если X
и
Y
–
дискретные
независимые
случайные
величины, то для определения закона
распределения
Z
нужно
найти все возможные значения Z
и
соответствующие
им вероятности.
На основании полученных данных строится ряд распределения дискретной случайной величины Z.
Пример. Дискретные независимые случайные величины X и Y заданы законами распределения:
-
X
-2
1
3
pi
0,3
0,4
0,3
-
Y
0
1
2
pj
0,2
0,5
0,3
Требуется найти закон распределения дискретной случайной величины Z = X+Y.
Решение. Найдем возможные значения Z:
Сложив вероятности повторившегося дважды значения Z = 3, составим ряд распределения для Z:
-
Z
-2
-1
0
1
2
3
4
5
p
0,06
0,15
0,09
0,08
0,2
0,18
0,15
0,09
Перейдем к вопросу о нахождении законов распределения функций двух непрерывных случайных величин.
Постановка задачи. Имеется система двух непрерывных случайных величин (X, Y) с плотностью распределения f (x, у). Случайная величина Z связана с X и Y функциональной зависимостью:
Z =
Требуется найти закон распределения величины Z.
Для
решения задачи воспользуемся
геометрической интерпретацией,
аналогичной той, которую мы применяли
в случае одного непрерывного аргумента.
Функция z
=
изобразится
уже не кривой, а поверхностью:
Найдем интегральную функцию распределения величины Z:
Проведем
плоскость Q,
параллельную
плоскости
,
на
расстоянии
от
нее. Эта плоскость пересечет поверхность
=
по
некоторой кривой К.
Спроектируем
кривую К
на
плоскость
.
Эта
проекция, уравнение которой
,
разделит
плоскость
на
две области; для одной из них высота
поверхности над плоскостью
будет
меньше, а для другой — больше z.
Обозначим
через D
ту
область, для которой эта высота меньше
.
Чтобы
выполнялось неравенство
,
случайная точка (X,
Y),
очевидно,
должна попасть в область D;
следовательно,
В это выражение величина входит неявно, через пределы интегрирования.
Дифференцируя
интегральную функцию распределения
по
,
получим
плотность распределения величины Z:
Зная
конкретный вид функции
=
можно
выразить пределы интегрирования
через
и
написать выражение
в
явном виде.
Для того чтобы найти закон распределения функции двух аргументов, нет необходимости каждый раз строить поверхность z = и пересекать ее плоскостью, параллельной . На практике достаточно построить на плоскости кривую, уравнение которой , затем выяснить, по какую сторону этой кривой Z < , а по какую Z > , и интегрировать по области D, для которой Z < .
Пример. Система случайных величин задана плотностью распределения:
Случайная
величина Z
зависит от X
и
Y
так, что
.
Требуется найти плотность распределения случайной величины Z.
Решение.
Область
интегрирования D
есть пересечение области определения
и области, удовлетворяющей условию
или
.
Геометрически это означает, что область
D
расположена
в первой четверти плоскости
ниже прямой
:
y
y=zx
Область D
x
0
Запишем выражение для интегральной функции распределения:
dxdy
=6
Дифференцируя интегральную функцию распределения по z, получим плотность распределения случайной величины Z:
Нетрудно убедиться, что полученная функция обладает всеми свойствами плотности распределения вероятности (п.9.1.2).